事情是这样的，你们听我讲：

有一天，孕妈妈在家庭群里对准爸爸说，在某猫上买本《唐诗三百首》吧，每天给宝宝读一首唐诗，作为胎教。有图有真相：

作为好吃懒做的准爸爸，听到这个消息的瞬间，表情是这样的：

准爸爸马上在网上找资料，不料看到了一个相关问题：为何胎教要听莫扎特，小朋友反而要听儿歌呢？

2014年，美国权威的神经脑科学家约翰·梅迪纳撰文称，尚没有任何科学证据表明莫扎特音乐对促进胎儿大脑发育有任何作用。约翰·梅迪纳指出，子宫最大的好处是避免了各种刺激：黑暗、湿润、温暖、坚固、安静的环境为胎儿早期大脑发展提供了最佳环境。

其中有一句直击心灵：他对孕期胎教的建议是，请保持安静，宝贝正在发育。

当准爸爸把这么经典的结论分享给孕妈妈时，孕妈妈的一个眼神，把结论瞬间击垮。

该读的唐诗还是要读，孕妈妈听音乐、听唐诗解读开心了，心情舒缓，胎儿自然会受益。

你敢说不是吗？(@^_^@)

那《唐诗三百首》到底在讲什么的？

《唐诗三百首》是一部流传很广的唐诗选集。唐朝(618年~907年)二百八十九年间，是中国诗歌发展的黄金时代，云蒸霞蔚，名家辈出，唐诗数量多达五万余首。

在Github上找到一些古典中文的语料库：rime-aca/corpus，作为本次分析的文本库，对它进行词频分析。下图是部分诗词截图：

利用“结巴分词”库对三百多首唐诗进行处理，“结巴”中文分词组件(fxsjy/jieba)支持三种分词模式：精确模式，试图将句子最精确地切开，适合文本分析；

全模式，把句子中所有的可以成词的词语都扫描出来, 速度非常快，但是不能解决歧义；

搜索引擎模式，在精确模式的基础上，对长词再次切分，提高召回率，适合用于搜索引擎分词。

本例采用精确模式：

# encoding=utf-8

# 导入所需的开发模块

from wordcloud import WordCloud, STOPWORDS, ImageColorGenerator

import matplotlib.pyplot as plt

import jieba

import jieba.posseg as pseg

from PIL import Image

import numpy as np

stopwords = []

# 中文分词处理

def processChinese(text):

seg_generator = jieba.cut(text)

seg_list = [i for i in seg_generator if i not in stopwords] # 排除stopwords

seg_list = [i for i in seg_list if i != '\n'] # 排除换行

seg_list = r' '.join(seg_list)

return seg_list

def main():

# 读取文本

text = open('poem.txt', encoding = 'utf-8').read()

# jieba分词

text = processChinese(text)

# Generate a word cloud image

fontpath ='./msyh.ttf'

wordcloud = WordCloud(font_path = fontpath,background_color = 'white',margin = 10, width = 1600, height = 900, max_words = 500, min_font_size = 20,max_font_size = 300, random_state = 42).generate(text)

# Display the generated image:

plt.imshow(wordcloud)

plt.axis("off")

plt.show()

执行后，可得词云：

300多首唐诗中，出现的高频词是：

⎡何处⎦、⎡万里⎦、⎡不见⎦、⎡不知⎦、⎡昨夜⎦、⎡明月⎦、⎡将军⎦、⎡不得⎦。

准爸爸突然一脸懵逼，这么多不明确高频词，该如何跟宝宝讲解。

准爸爸再次分析其中的“二字”、“三字”高频词：

“三字”高频词是：

⎡君不见⎦、⎡后庭花⎦、⎡黄鹤楼⎦、⎡行路难⎦、⎡二十年⎦、⎡何处寻⎦、⎡老江湖⎦、⎡凤凰池⎦。

三百多首唐诗中，排名前20的作者分布如下，其中，诗仙李白、诗圣杜甫排名前二，人称“大李杜”，“李商隐”和“杜牧”人称“小李杜”。

天啊，原来唐朝的时候，就有人搞组合了，而且关系还不一般，李白与杜甫的友谊到底是怎样的？网上竟然还有人爆出：

准爸爸该怎么向宝宝解读“大李杜”的关系呢...

嗯？呢！他们其实是好知己，直到李白写了另外一首诗《赠汪伦》...

关系就变得更加错综复杂了...

300多首唐诗中，诗体分布如下：

五言律诗、七言律诗、七言绝句占前三。

绝句和律诗，是按照严格的格式和规则写成的诗歌，字数、行数、句式、音韵都有严格的规定。律诗格律严格，篇有定句(每首八句)，句有定字(五字或七字)，字有定声(平仄相对)，联有定对(中间两联对仗)。

诗歌具有音乐美，节奏感强，准爸爸向宝宝更应该传达的是这种韵律，以及如何遣词造句，创作诗词歌赋。如果太过具化某首诗词，讲解某一个故事，或某一个小场景，翻译后也就失去了那种韵味了。

如何进一步分析《唐诗三百首》呢？

我们以李白代表作之一《月下独酌》为例：

读过的朋友都知道，古诗中描写了诗人在月夜花下独酌，无人亲近的冷落情景。诗人运用丰富的想象，表现出由孤独到不孤独，由不孤独到孤独，再由孤独到不孤独的一种复杂感情。

整体来看，是首悲情诗。

我们可以利用腾讯文智中文语义平台(腾讯文智中文语义平台-首页)作进一步分析。

腾讯文智自然语言处理(Natural Language Processing)基于并行计算、分布式爬虫系统，结合独特的语义分析技术，一站满足NLP、转码、抽取、数据抓取等需求。基于文智API可实现搜索、推荐、舆情、挖掘等功能。

我们在官网进行情感分析体验：

经过对文本的分类分析：文本数据中有24.8%属于美食(美酒也是美食吧)，有24.8%属于军事；

情感分析结果中：87%是负面的情绪，李白的孤独感油然而生；

关键字提取：对影、花间、独酌。

$ pip3 install qcloudapi-sdk-python

qcloudapi-sdk-python 是为了让 Python 开发者能够在自己的代码里更快捷方便的使用腾讯云的 API 而开发的 SDK 工具包。

#!/usr/bin/python

# -*- coding: utf-8 -*-

# 引入云API入口模块

from QcloudApi.qcloudapi import QcloudApi

module = 'wenzhi'

# 对应的接口ActionID

action = 'TextSentiment'

config = {

'Region': 'gz',

'secretId': '***yourSecretID***',

'secretKey': '***yourSecretKey***',

'method': 'post',

}

params = {

'content': '花间一壶酒，独酌无相亲。举杯邀明月，对影成三人。月既不解饮，影徒随我身。暂伴月将影，行乐须及春。我歌月徘徊，我舞影零乱。醒时同交欢，醉后各分散。永结无情游，相期貌云汉。',

'type': 4,

}

try:

service = QcloudApi(module, config)

# 生成请求的URL，不发起请求

print(service.generateUrl(action, params))

# 调用接口，发起请求

print(service.call(action, params))

except Exception as e:

import traceback

print('traceback.format_exc():\n%s' % traceback.format_exc())

从service.call方法的返回结果，即可得分析结果。

通过文智平台，我们可对文本数据做多方面的解读。

写了这么多，孕妈妈终于发话了：

这篇没有过千赞，老老实实过来念唐诗！！！

看完点个赞呗！

参考：

Python中文分词组件：结巴分词fxsjy/jieba